社会科学和公共政策的空间化和GIS的应用，本文主要内容关键词为：公共政策论文,社会科学论文,空间论文,GIS论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
近年来，社会科学研究，尤其是应用社会科学研究的一项重要进展，就是定量或计算方法在研究复杂的人类社会系统中的应用。美国许多大学都设有相关的计量社会科学或复杂社会系统的研究中心。其中，哈佛大学的Institute for Quantitative Social Science、斯坦福大学的Institute for the Quantitative Study of Society、加州大学洛杉矶分校的Center for Computational Social Science、亚利桑那州立大学的Center for Social Dynamics and Complexity、乔治·梅森大学的Center for Social Complexity等中心，在推动社会科学与自然科学交叉（“大交叉”）以及社会科学内部各学科间的交叉（“小交叉”）领域研究方面的贡献尤其突出。这一潮流可以概括为社会科学的“科学化”，强调借用科学分析方法和研究手段，包括计量、模型和可复制性。
社会科学的发展出现的第二个潮流，就是“空间化”。社会科学的发展遇到更多的空间问题，这些问题的复杂性需要系统的科学方法来解决，例如全球化带来的区域间空间相互作用、环境变化中自然与人文因素的地域性。围绕这一主题的相关学术会议层出不穷，相关专著也越来越多[1-2]。美国加州大学圣达巴巴拉分校的空间综合社会科学研究中心（Center for Spatially Integrated Social Sciences简称CSISS）就是在美国国家科学基金（NSF）资助下1999年创建并发展起来的，为促进各种社会科学和行为科学中空间因素的分析发挥了重要作用。英国伦敦大学学院（University College London）的高级空间分析中心（Centre for Advanced Spatial Analysis简称CASA）也集聚了地理学、经济学、城市规划、物理学、计算机科学等多学科的专家，集中研究社会经济系统在时空演变中的客观规律以及相应的政策与规划手段。哈佛大学2005年成立了一个地理分析研究中心（Center for Geographic Analysis），宗旨就是要推动空间分析和地理信息系统在人文与社会科学研究中的应用，中国历史地理信息系统（CHGIS）就是他们与中国学者合作的代表作。另外也属于常青藤联盟的布朗大学，近年来也在空间社会科学结构（Spatial Structures in Social Sciences简称S4）的旗帜下着力整合社会科学中关注空间问题的各方面的学者，推动社会科学的空间化。
社会科学的发展的第三个趋势，就是“应用化”越来越强。由于各类研究基金的引导作用，越来越多的社会科学研究项目，要求成果能转化为有效的公共政策，服务于社会。应用性的社会科学往往对数据调研、归纳、分析的要求高，运用数理和统计手段多。解决问题时，侧重于政策性调控和具体的规划性措施，许多操作上要求落实到空间上具体的区位。这一趋势也可以叫“公共政策化”。
地理信息系统（Geographic Information Systems简称GIS）在此过程中扮演了重要角色，因为GIS在整合、分析各种数据尤其是空间数据方面有独特优势。基于GIS平台的公共政策与规划措施，操作上为“好钢用在刀刃上”创造了条件、执行时具有“因地而制宜”的优点。正如英国皇家科学院院士迈克·巴迪所言：“要搞好政策性较强的社会科学研究，数量方法是必不可少的，而这些方法及背后的理论一定要空间化”[3]。空间化的社会科学就离不开GIS。
本文举例演示GIS在人文学与社会科学（如经济学、历史文化、社会学特别是犯罪学、公共卫生与规划）的广泛应用，旨在说明GIS在人文学与社会科学（特别是相关的空间问题）的应用价值，推动这一领域在中国的发展。大部分案例来源于笔者多年研究的经验[4]，包括美国国家司法研究所（NIJ）、国家癌症研究所（NCI）、卫生部（DHHS）、住房与城市发展部（HUD）、国家基金委（NSF）资助的多项研究成果。为简便起见，本文此后提到的“社会科学”是广义的，包括传统的人文科学与社会科学。这些学科的应用研究，由于笔者背景的局限性，本文侧重于与公共政策与规划关系密切的相关议题的讨论，覆盖面也只限于笔者熟悉的西方文献。
2 经济学的应用实例
经济学在社会科学中的地位，相当于数学在自然科学中的地位，有人称数学是自然科学的母亲。经济学对其他社会科学影响大，是因为它输出的养料多。瑞典皇家科学院在宣布2008年诺贝尔经济学奖的得主Paul Krugman时，明确指出是因为他在国际贸易和经济地理两方面的杰出贡献。这两个领域都是研究经济活动在空间分布的变化和相互作用的规律，特别是应用方面的研究，得益于GIS和空间分析的潜力很大。
这里要讨论的应用案例，来源于经济学的一个分支“城市经济学”，其中的空间问题尤为突出。选用城市经济学，一方面是因为其中的空间问题多一些，另一方面也是因为笔者知识背景的局限性。
20世纪50年代，人们首先发现城市内部的人口密度由市中心往外递减，而且很有规律，可用负指数方程来刻画[5]。这一规律性的发现吸引了许多经济学家的注意力，他们的目标是这一现象的经济学解释。相关工作也推动了城市经济学这门学科的诞生和发展，其中贡献最大的是Muth[6]和Mills[7]。Muth-Mills模型假设城市只有一个中心CBD，就业都集中在那里。如果大家都到这个中心上班，远离CBD的住户在通勤上的花费更多，得到的补偿就是可以住较大的房子，相应房子的单位面积房价也就便宜些。结果是，从市中心向外，人口密度逐渐降低。下面简述模型的推理过程，感受一下经济学模型的精妙和缺憾。
假设土地需求的价格弹性为-1（通常称为住房需求的“负单位弹性”），即
但是，经济学模型“是对复杂现实的简化和抽象，往往不能很好地解释和模拟现实世界”[8]。对上述经济学模型的主要批评是，其中的假设受到了实证研究的挑战：“城市单中心”的假设为越来越多的学者所放弃而认可多中心模型[9-10]；“住房需求的负单位弹性”的假设离实际测算值相差也比较大[11]。笔者早年也围绕这一问题，做过一些理论和模型方面的研究[12-13]，试图解释城市人口密度分布的负指数现象，都不尽如人意。主要还是离现实远了，不能抓住城市的复杂性和多样性。
下面介绍笔者（包括合作者）的一些近期成果，说明GIS的介入如何丰富和推进这方面研究的。这类研究的中心论点是，城市用地的强度（如人口密度或就业密度）在空间上的变化，是由各地区的区位决定的，而区位的优劣与路网的分布和结构息息相关。路网上的各个节点的区位特征可以用多个指标来刻画，统称中心度（Centrality）。比如有3个中心度指标，其一是“邻近性”（Closeness），就是某一点到城市内各点经过路网的最短路径的方便程度；其二是“中介性”（Betweenness），记录的是城市中任何两点相互联络的最短路径中，必须穿行该点的累计次数；其三是“直达性”（Straightness），刻画的是，所有点到该点的实际路网距离与假设的直线距离之间的接近程度。可想而知，这些指标的计算需要在GIS环境下实现。运用这些指标分析美国南方的巴腾鲁日（Baton Rouge）市的用地和路网的关系[14]，发现各种中心度指标和人口密度的相关系数介于0.79-0.95，和就业密度的相关系数介于0.82-0.88，和综合密度（人口和就业密度的总合）的相关系数介于0.86-0.92。图1a显示了邻近性和城市用地综合密度（人口和就业密度的总合）的相关性，图1b显示了中介性和城市用地综合密度的相关性，图1c显示了直达性和城市用地综合密度的相关性。相应地，基于经济学模型的单中心负指数函数，对人口密度回归拟合的
是0.51，对就业密度的是0.47，对综合密度的是0.58。总之，基于路网的中心度对人口和就业密度分布的解释明显优于经济学模型。
研究城市交通与用地的关系，意义还不仅限于理论上更好地解释用地密度的空间变化。这类研究还可以帮助我们分析梳理各种用地类型（工业、仓储、商业、公共、住宅等）或各类产业（零售、餐饮、旅馆、银行、IT、文教卫、娱乐等）的选点和分布究竟看重哪种中心度[15]，指导城市规划和建设，有明显的应用价值。
第二个例子是城市经济学中另一个经典的议题，就是Hamilton提出来的“浪费性通勤”问题[16]。假定一个城市内所有居民的住地和工作地是已知的，而居民之间可以自由地调换住所，那么，规划的优化问题就是：怎样通过调换居民的住所而达到城市总的通勤量（距离或时间）最少？Hamilton是经济学家，那时候当然不知道GIS技术的存在，他选用负指数模型来描述居住地和工作地的密度分布，两者都是由市中心（CBD）向边缘递减。由于就业的分布总是比居民人口的分布更朝市中心集中，数学上表现为就业密度分布函数的递减梯度要比居民人口密度更陡一些，因此，人们上班时的最优通勤方向总是往CBD的方向。他通过微分方法计算居民点和就业点离市中心的平均距离，然后再取两距离之差为最少（优）通勤距离，最后与实际通勤距离比较，求得浪费性通勤的比重。总之，计算过程需要许多假设条件，而每一个假设条件又离现实相差甚远。他的结论是，在他所选取的14个城市中，平均高达87％的通勤纯属浪费！由于这一结论挑战传统城市经济学的基石（人们选择住宅地是平衡通勤量和住房大小两大因素的优化结果），因此引来广泛的争论。
究竟浪费性通勤有多少呢？后来，学者们[17]发现，测算最优通勤（距离或时间），可以用很简捷的线性规划方法来实现。规划目标值是总通勤距离或时间最小，约束条件为起点区和终点区的通勤总人数分别小于或等于该区的总居住和总就业的上班族人数。唯一难点是计算每一居民点和每一就业点两两之间的通勤距离或时间。这一点就必须借用GIS技术的交通网络分析模块来实现。笔者以美国俄亥俄州哥伦布市（Columbus）为例，计算的浪费性通勤时间达81％，稍低于Hamilton的87％[4]。其实追究浪费性通勤的多少意义有限，Hamilton的贡献是通过这一问题的提出，推动了城市研究各学科（不限于城市经济学）探讨城市居民住房选择的根本原因，思考如何规划建设未来又适居又低碳的理想城市。对理想城市的设计构想、模拟规划当然离不开GIS、空间分析和计算机技术的有效应用。
3 语言学和历史学的应用实例
GIS技术在历史、语言和文化研究中的应用非常广，起步也不晚。笔者阅历浅，总的印象是，这方面大部分工作集中在数据收集和管理上，而后期的空间分析和运用数学统计模型较少。
下面要讲的案例，是笔者参与的一个研究团队（包括语言学家、历史学家和民俗学者）的集体成果。研究的主要目的是探求分布在中国南方和东南亚地区台语（Tai）民族的历史起源。台语（Tai）语系是侗台语族（Kam-Tai）的一支，包括中国境内的壮语、布依语、傣语、临高话（海南岛）和国外的泰语、老挝语、掸语、黑泰语、白泰语、坎梯语、石家语、土语、农语、岱语和已经基本消亡的阿含语等。台语各民族大多种植水稻，常称“水稻文化”[18-20]。
第一个工作是关于台语（Tai）民族的起源地[21]。语言学有一个理论，最原始的语言在边缘地区保留得比较好，因为那里用该语言与外界交流的机会少，变化可能性小，语言代代相传，从词汇到发音，得以良好的保存。这样从发源地到边缘地区，语言的原始性越来越差，形成像浪一样的空间态势[22]。而真正的发源地，反而千变万化，变化程度高。基于这一理论，语言学家通过调研，走访了中国南方（云南、贵州、广西）和越南、老挝北部台语各民族集聚地，收集当地人对水稻文化中常用的21个词的不同发音，然后分析判断这些发音与原始台语发音的变化程度。如果最接近原始发音的，计分为1；如果最接近现代发音的（与原始发音差别最大），计分为3；介于其间的计分为2。最后将各地21个词汇的平均分落实到GIS图层上，成为一个点图层。基于这个点图层，用趋势面的空间插值法，画出一个类似于等高线的图。如图2所示，它反映了台语变化程度的空间演变。图中高峰值在广西—贵州交接带（另一高峰值在云南边境地带，但附近观察值较少，可靠性差一些），很可能是台语民族的起源地。这一结论，不同于某些文献中猜测的起源地，一说为云南，另一说为长江中游，而泰国学者则坚持在泰国境内。这个例子，展示了借用GIS和空间分析方法，研究人员对这一问题指出了新思路。
图2 台语发音现代化程度的分布和趋势面
Fig.2 Contours of mean scores for changes from proto-Tai pronunciation
第二个工作是从地名入手，试图重构早期的台语民族的分布，探索他们在历史上的迁徙过程。中外研究地名的学者不乏其人，包括历史、地理、语言、民俗等多学科，历史悠久。许多研究都涉及许多细致翔实的考证，参考价值高，但大多是描述性的，有待借用系统、严谨的科学分析方法。台语民族所到之处，常常以地理或自然界的事物而命名，如“稻田”、“乡村”、“河口”、“山峰”等。他们历史上虽然迁徙各地，但停留的痕迹可以在地名上反映出来。壮语是台语语族的众多支系之一，最近一个成果是以壮族人口聚居的广西为研究区完成的[23]。
根据地名词典记载和相关文献，构建了一个乡镇、县、市的壮语地名地理信息系统（GIS）数据库。对这一数据库的分析，起始于将所有地名分为壮语地名和非壮语地名（基本上是汉语地名），并以0～1数值化。借助空间可视化技术，更直观地显示了壮语地名最集中的是广西西南部的左右江流域以及西部山区，集中程度向东部逐渐降低。各种统计模型揭示了壮语地名的分布趋于地势较高、坡度陡的地区，在水田或灌溉耕地地区反而少，而目远离交通干线和主要城市。我们的推测是，汉人最初南下时，凭借更加强大的军事和经济实力抢占了地势低平、交通便利、灌溉条件好的土地资源，把原住壮民驱赶到生存条件更艰苦的边远地区，汉化了所占地区的壮语地名。
将不同朝代壮汉两类地名落实到GIS图层上，可以看出两类地名历史上的变化轨迹（如图3所示）。总的来说，现今广西境内的壮语地名基本上是“西老东少”。原因可能是，广西的东部汉族南下开辟和屯兵早，老的壮语地名被汉化的程度高，只有边远地区、少数乡镇级、更接近现代的壮语地名得以保存；西部地区汉化程度相对弱一些，老的壮语地名（包括一些市县地名）也得到了保存。为了抓住地名分布大的时空趋势，本文分别计算了各个时期状语地名点和汉语地名点的几何中心。结果表明，随着时间的推移，壮语地名的几何中心东移、汉语地名的几何中心西推，两者逐渐向广西中部靠拢，表明壮语地名和汉语地名在空间分布上的趋同，反映壮汉原住民逐渐走向杂居的历史过程。
地名是地理、历史和文化诸要素的综合体，常常被称为“指向过去的路标”[24]。特别是中国历史上积累了丰富的方志和地名的文献，建国后又投入了大量的人力物力，系统地整理和管理地名资料，为这方面的研究提供了良好的基础资料。地理信息系统（GIS）的发展，为地名的研究又带来了新的契机。少数民族地名记录了少数民族人民生产和生活的地理环境和文化传统，是研究少数民族历史的重要资料。研究少数民族地名的分布和变迁可以帮助我们了解少数民族的族源和迁徙轨道，同时认识少数民族和汉民族历史上相互交融、相互影响的历史过程。我们期待更多的历史学家和少数民族研究的学者运用GIS和相关科学分析（包括空间分析和数理统计）方法，参与这方面的研究。
图3 广西各个时代地名分布几何中心的变化轨迹
Fig.3 Geographic centers of Zhuang and non-Zhuang place names in various eras
4 社会学（犯罪研究）的应用案例
GIS在社会学中的应用，这里集中讨论犯罪研究方面的实例。犯罪学在美国可以说是社会学中最重要的分支之一，应用GIS也最多。GIS及相关技术在犯罪方面的应用之广，主要得益于它能及时、精确地绘制犯罪分布图，它的确为警察和司法部门提供了良好的决策帮助，现在是美国警察局衡量技术现代化的重要标志之一[25]。最早用电子地图分析犯罪分布是在20世纪60年代中期的美国圣路易斯市[26]。20世纪末美国国家司法研究所（NIJ）调查了全国警察局使用GIS的情况和发展历史，发现增长很快[27]，这一趋势持续至今[28]。早期的应用集中于数据管理、自动化制图和热点分析[29]，90年代早期逐渐发展到空间统计分析的应用，特别是检验空间自相关和回归分析中加入的空间滞后变量。最近的研究趋势是，犯罪学与地理学家（包括GIS专家）和统计学家的合作越来越多，运用的手段，无论是空间分析，还是统计方法，更复杂多样化。
美国国家司法研究所（NIJ）为推动GIS在司法领域和犯罪研究方面的应用，做了不少工作。首先，NIJ资助开发了Crimestat（现3.1版，www.icpsr.umich.edu/CRIMESTAT/）和ArcView犯罪分析的模板（www.esri.com/industries/lawenforce/resources/crime_analysis。html），二者都是免费让公众下载的程序，在学术界和各级政府部门的使用者很多。另外，NIJ还每年主办一届GIS和空间分析应用在犯罪研究的会议（www.ojp.usdoj.gov/nij/maps/），有一个专门资助和管理犯罪研究中的空间分析问题的基金项目。
在各种犯罪理论中，犯罪经济学[30]和理性选择理论[31]是影响最大的。总的思路是，人们做一件事时，无论是合法还是非法，都是综合考虑成本、收益和风险之后作出的理性选择。这样的话，就业（合法工作）和犯罪（非法“工作”）就存在负相关。就业行情好时，人们失业率低，犯罪机会成本高，犯罪率就低。正因如此，许多研究关于就业市场和犯罪之间关系的研究，侧重于失业率和犯罪率之间的关系[32]。但这类研究有两个问题。一者是以失业率度量就业市场的好坏，只有借助于较大的地域作为研究对象（因为居民就业市场的空间范围大）。可是，这些大地域单元的内部差异比它们之间的差异还大。以都市区为例，不同都市区的犯罪率相差不大，而都市区内各社区的犯罪率却相差悬殊。另一方面，直接把失业率与犯罪挂钩，隐含的假设就是犯罪都是失业人口所为，这当然是有明显纰漏的。最新进展已经深入到研究城市内部各社区就业市场与犯罪的关系。
问题的关键不是有没有就业机会，而是就业机会是否与求职者的技能匹配，竞争是否激烈，上班是否方便等等[33]。笔者提出了就业便捷度（job accessibility）的概念，其中的一个度量方法就是划分每个住宅点的合理通勤范围（比如28分钟的驱车时间），计算该范围内的就业机会与求业人数比，以此衡量就业的条件优劣。这里的就业便捷度的测算，就需要借用GIS和空间分析方法。在俄亥俄州克里夫兰市的实证研究中，发现就业便捷度与犯罪之间存在着负相关，而且就业便捷度跟经济犯罪（包括偷车、入室行窃、抢劫）的相关性强于跟暴力犯罪（包括斗殴、谋杀和强奸）的相关性。后者也为犯罪经济学提供了佐证，说明经济类犯罪与就业便捷度关系更密切。
另一个实例是用GIS改进收入不均的度量，从而分析其对犯罪率的影响。一种犯罪理论强调相对收入的不均极可能导致一些人的反社会行为（包括犯罪）[34-35]。比如说，美国是发达国家中收入不均比较严重的国家，也是犯罪率特别是谋杀率较高的国家。在研究城市内部各社区犯罪率的差异时，除了考虑社会学家们已经包括的常规变量（如收入和教育水平、非洲裔和其他少数民族的比例、单亲家庭和贫困线下人口比例、失业率等）外，需要加入一个度量收入不均的变量。
通过计算芝加哥市区各种地域单元的局部收入不均度，发现对犯罪率的影响很大。加入这一新变量后的模型，比传统的社会学模型对犯罪率的解释好多了。
最后，本文讨论评估打击犯罪的措施或政策有效中的空间统计问题。某一社区和城市采取“严打”措施后，很可能本地区的某一类犯罪率的确是下降了，但很可能也影响到了周边的地区。一种可能的结果是犯罪的人发现那一地区犯罪时被抓的危险系数增大了，就只好到周边地区去犯罪。这样，那个地区的犯罪问题因此而“嫁祸于人”，自己的犯罪率倒是降下来了，可周边地区犯罪率却升上去了。这种现象被称为“空间移位”（spatial displacement）。另一个可能的结果恰恰相反，那个地方各方面反犯罪行动搞得不错，影响大，罪犯也搞不明白究竟是什么地域范围内“严打”了，于是远离那地方，这样导致邻近地区也沾了光，犯罪率一起下降。后一种现象被称为“空间扩散”（spatial diffusion）。二者完全相反。作为研究者，常常是要收集很多地区的样本，看总体上究竟哪种现象是占主导的，从而研究对策。熟悉空间统计分析的学者，马上就看出这是个空间自相关的问题。各地犯罪率的升降，究竟与周边地区犯罪率的升降，是正相关还是负相关，成因是什么？回答这一问题就需要基于GIS的空间统计模型，包括空间回归[4]的手段来解答。
5 公共卫生和规划的应用实例
除上节讲到的犯罪研究外，GIS和空间分析在公共政策方面的另一个应用热点是在公共卫生领域。2001年11月份ESRI在华盛顿组织举办了第一届国际卫生GIS年会（www.esri.com/events/health），此后该会吸引的参加者越来越多。城市与区域信息系统协会（URISA）也有类似的年会（www.urisa.org/conferences/health）。这方面的专著也越来越丰富[39]。近几年来，国内学者也在国际杂志上发表不少应用GIS和空间分析研究中国健康卫生问题的成果[40-43]。笔者多次担任美国卫生研究院（NIH）基金评审委员，亲身体会到与GIS相关的申请报告逐年增加，所获资助的经费也年年上升。这里顺便提到，美国国家科学基金委（NSF）（包括自然科学、应用和工程科学、部分社会科学）2010年的预算不到70亿美元，而美国卫生研究院（NIH）基金的预算超过300亿美元，可见美国政府对医疗卫生研究的重视。下面举例说明GIS和空间分析在这方面应用特有的价值。
美国虽然医疗技术发达，医生也不少，但也不乏医疗条件比较落后的地方。联邦政府的卫生部（DHHS）为此定期划分“医疗短缺区”（Health Professional Shortage Area简称HPSA），并采取相应的财政和行政手段，鼓励、补助医生（特别是家庭医生和牙科大夫）到这些缺医区去，力求缓解一部分的问题。这一政策的有效操作当然取决于缺医区的划分是否科学和准确。长期以来，卫生部定义的医疗合理服务区（rational service area）为整个县、县的一部分或社区，然后计算区内人口—医师比，以此作为划分缺医区的基本参数（http://bphc.hrsa.gov/dsd）。如果平均每个家庭医生的服务人口超过3500人，就初步定义为缺医区。这一方法简单易行，但缺点有二。一是它不能揭示一个区域（比如县）内部详细的空间差异；二是假设区域的边界是完全绝缘，只计算各个地区内的供需比例，不考虑区间的交换。
笔者参与的一个美国卫生部资助的基金项目就是针对上述缺陷的，寻求改良方案。这一项目的一个重要成果，就是两步移动搜寻法（two-step floating catchment area method或简称2SFCA）[44]（图5）。基于较小地域单元（如人口普查小区）的GIS数据，2SFCA首先以每个供应点（如医生的诊所位置）为中心，向外搜寻一个合理的行车时间范围（如卫生部推荐的30 min），计算该诊所医生数与这一搜寻范围内人口数之比，以此定义这一诊所医生的“可达程度”（availability）。第二步，以每个居民点（如人口普查区的重心）为中心，同样向外搜寻同等（30 min）行车范围，记下范围内所有诊所点，将这些诊所的可达程度加起来，就成了各个居民点就医方便度的指标。这里第一步确定了诊所的繁忙程度，即每个诊所服务区内的供需比。第二步计算了求医者的就医方便度，考虑了求医者合理行车范围内所有诊所，并将它们与需求者之间的供需比加总。
上述方法在GIS环境中实现比较简单。只要计算好需求点（居民点）和供应点（诊所）两两之间的行车时间，其他工作都很简单，并不需要编程或其他复杂的计算。由于简便易行，这种方法在这类研究中的应用越来越广。任何政府部门的资源都是有限的，只有找到问题真正严重的地区，对策才会更有效，所谓“好钢用在刀刃上”。笔者近期的研究所解决的问题是，假如这种方法测算的缺医区是比较可靠的，如何通过优化的手段来实现资源的公平配置呢？这一问题的解决方法，应用并不局限于公共卫生领域，可以用来规划所有公共设施的合理配置。
图5 两步移动搜寻法（2SFCA）
Fig.5 Two step floating catchment area(2SFCA) method
就医便捷度的分析结果，还可延伸应用到相关的公共卫生问题，比如晚期癌症研究。看访家庭医生以及癌症检测设施的方便程度，往往影响病人能否及时发现病情，癌症诊断是早期还是晚期，最终影响病人的治疗方案、生活质量和成活率[45-46]。在实践中，我们充分体会到了GIS和空间分析对这一类研究的意义和贡献。
下面另举一例说明GIS和空间分析方法应用于公共卫生研究和管理中的潜力。在研究诸如癌症、艾滋病、幼儿疑难病症等“小概率事件”时，人口基数小的样本的发病率波动较大，不太可靠。另外，在公共卫生数据的管理部门，出于隐私问题的考虑，不能把小地理单元的发病率公布出来，往往公布的数据是州（省）县一级的发病率，公众从中获取的信息很有限。各个领域对这一问题提出了不同的解决方案，其中基于GIS的空间聚类法（或称区划法），最近很受公共卫生部门的重视。这些方法的目标是构建较大的地理单元，增加人口基数，从而获得较为稳定可靠的发病率。这类研究可以一直追溯到传统地理学的区域分类研究[47]，GIS的应用为这一领域带来了新生。比较有前途的有两种：MSSC法[48-49]和REDCAP法[50]，二者都强调合并的地理单元空间上要邻近，属性上又同质。最近美国癌症中心（NCI）资助我们的一个研究项目，就是对这两种方法进行改进，开发出相应的软件，专门用于癌症发病率的分析和发布数据。
6 结语
综观上述案例，GIS对人文学与社会科学的价值可以概括为：①GIS可以帮助不同尺度、不同格式空间数据的系统整合和叠加分析；②GIS通过空间数据的可视化，可以使问题更直观性、空间趋势更明显；③GIS可以更精确、方便地测算空间变量，特别是距离、时间和空间邻接关系；④实现分析空间数据特有的统计方法需要GIS的支持；⑤GIS可以基于个人行为模拟空间过程与分布态势，强化研究的理论性和模型的预测性；⑥GIS也是一种信息系统，可使繁琐的工作流程自动化、标准化，便于普及和操作。
反过来，GIS在人文科学与社会科学的广泛应用，对于GIS技术的发展也有推动作用。比如基于GIS的空间统计分析在犯罪和公共卫生研究的广泛应用，促成了相关工具在商用GIS系统中的实现，反过来又推动了这类研究的方便和发展。国内学者开展的关于历史疆域变迁所需要的数据模型研究，超越了现有商用GIS系统的功能，为此创建了新的时空数据模型，推动了GIS技术的发展。
社会科学发展的趋势，无论是计量化、空间化，还是公共政策化，都可得益于GIS的帮助。笔者与国内各个大学和研究所合作交流多年，总体的印象是我们在基于GIS的应用社会科学研究（包括公共政策与规划）与国际上的先进水平还有比较大的差距。一个很重要的原因就是学科间，特别是社会科学与自然科学的分隔，胜过“楚河汉界”。另外可能的原因就是长期对社会科学存在偏见，认为社会科学不是科学，不属科学研究资助范围。一个明显的实例就是，近几年来为推动科技的发展创立了很多国家、部委及地方资助的各种重点实验室，但还没有一个推动空间分析和GIS在人文与社会科学研究中应用的重点实验室。
笔者认为下面4方面的工作，是推动社会科学空间化和GIS应用的起点：①GIS和空间分析方法全面应用于人文、社会科学各学科，包括社会学、经济学、政治学、心理学、历史学、语言学、宗教学等，重视学科间的交叉应用；②研究选题侧重于对社会、经济、文化意义重大的课题，特别是研究成果对公共政策和规划措施有直接指导性、对弘扬中华多民族文化有重要意义的专题；③积极推动中国社会经济数据特别是空间数据的标准化和公众共享，鼓励基于同类数据的研究成果验证、次生研究和时空延续扩充后的再研究；④鼓励研究手段现代化科学化，特别是计算方法、模拟、可视化等方法。
从大的层面上来看，社会科学空间化和GIS的整合属于交叉学科的议题。有道是“未来的科学在于科学间的交叉（Future science is between sciences）”。推动交叉学科的发展，借鉴美国的经验，起码有3方面的工作可做。①科研项目的立项和资助要有鼓励交叉学科选题的专类专项。以美国国家基金委（NSF）的“人文与社会动态研究（HSD）”的专类基金为例，HSD就侧重资助多学科（特别是自然科学方法和手段）对人文与社会系统变化、人们感知和决策过程、人类与自然相互作用等重大问题的探究。②人才的培养重视交叉。以研究生招生为例，美国大学许多院系都比较看重生源背景的多样化，社科类的招一部分数理工程背景的学生，数理类的招一部分对社会经济和人文方面应用研究有兴趣有经验的学生。③教学科研团队的建设讲究交叉化。美国大学核心教职大多是终生的，创立和削减教职是学校调整结构、增强竞争力、提升声誉最重要的手段。除了正常的教授离退后的补缺，许多大学明文规定新增教职必须是交叉性的，往往是多个院系联手招募跨学科的教授，招来的教授也隶属于多院系，就是盛行的“核心式招聘（cluster hiring）”模式。地理学优势之一就是其交叉性，GIS的发展有利于地理学更好地发挥这一传统的优势，推动社会科学、公共政策和规划管理的空间化，强化地理学的实用性，使之更好地服务于社会。
收稿日期：2010-09-17；修订日期：2011-02-17